Perusall 能检测 AI 吗？平台能看到什么、看不到什么

Perusall 是一个社交批注平台，通常与课程的学习管理系统配合使用——学生阅读指定的 PDF、观看视频或学习教材章节，不用另交论文，而是直接在具体段落或时间点上留下评论、问题和回复。同一班级的其他同学可以看到并回复这些批注，这正是它被称为“社交”而不是私密提交的原因。由于被评分的成果是分散在文档各处的简短批注，而不是一篇连续的论文，Perusall 能否检测 AI 这个问题的出发点也和 Turnitin 或 Canvas 论文上传不同：这些文字更短、更口语化，并且和原材料中的某句引文或某个时刻绑定，这既改变了 AI 生成的批注可能呈现的样子，也改变了评分系统要想识别它们需要做的事。

不会——Perusall 不会把批注送进 AI 检测模型，平台里也没有可供教师开启的相关开关。Perusall 自己的评分引擎（官方称为自动评分）用来评估参与度信号：批注长度、评论是否引用了阅读材料中的具体内容、批注相对截止时间发布得有多早，以及其他同学是否与之互动。这些信号都不是为判断文本是否由 AI 生成而设计的。所以，当有人问“Perusall 会查 AI 吗”并期待得到类似相似度报告的答案时，诚实的回答是：这个平台的算法衡量的是参与质量，而不是作者身份，任何批注上都不会附带 AI 概率分数。

教师在 Perusall 里的视角更多是人工的，而非自动的。他们可以打开班级的批注面板，按文档、学生或时间排序阅读每一条学生评论，也能看到 Perusall 为每位学生算出的自动参与度分数。他们看不到的是任何 AI 概率百分比，或批注旁“这看起来像机器写的”之类的高亮标记——因为 Perusall 根本不生成这些。如果教师怀疑某位学生的批注是 AI 生成的，而不是边读边写的，这种怀疑通常来自阅读批注本身：比如一条评论只是泛泛称赞原文，却没有具体提到它所附着的段落；或者措辞在多篇阅读材料中反复出现，不像学生本人通常的表达方式。

可以，而且当教授想更仔细地查看某位学生的批注模式时，这通常是更相关的途径。Perusall 允许教师通过平台的数据导出或成绩册同步功能，把批注数据（包括评论文本、时间戳和参与度分数）导出到电子表格。这份导出数据在 Perusall 端不会经过任何 AI 检测模型——它只是原始文本和元数据。但一旦教师在平台外拿到这些批注文本，就可以像审查其他作业那样人工查找可疑迹象；如果课程政策要求做这类检查，也可以把特别短或可疑的片段粘贴到单独的 AI 检测工具中。导出这一步才是真正把 Perusall 作业和任何 AI 审查联系起来的环节——在此之前不会自动发生任何事。

Perusall 通常通过 LMS 集成接入课程——最常见的是 Canvas，也有 Brightspace 或 Blackboard——而这个 LMS 可能会对同一课程中的其他作业（如论文或讨论帖）单独运行 Turnitin 或其他 AI 检测工具。这和 Perusall 的批注评分是完全独立的两条流程。一门课可能对通过 Canvas 提交的学期论文启用 Turnitin 的 AI 写作指标，同时只用 Perusall 做每周的阅读批注，两个系统之间不共享数据或评分。如果教学大纲提到了 AI 检测，值得具体确认这条政策说的是论文提交工具还是阅读批注工具，因为学生很容易以为一个覆盖了另一个，而实际上并没有。

没有自动分数可以依赖时，怀疑 Perusall 批注使用了 AI 的教师，往往是通过解读模式而不是某个被标记的数字来察觉的。

如果教师专门对 Perusall 批注提出疑虑，最有用的回应通常是按程序处理，而不是急于辩解，因为本来就没有一份 Perusall 生成的报告可以拿来反驳。

既然 Perusall 本身不会自动标记任何内容，实际风险完全在于这条批注之后在人类教师眼中读起来如何——无论是常规审阅时还是导出之后。在发布前把较长或较工整的批注放进 NotGPT 的 AI 文本检测工具检查一下，可以看出措辞是否读起来像 AI 生成的。如果某条评论在写作时大量借助了语法工具或翻译软件，结果比学生其他批注显得更生硬、更正式，这一步就很有用。如果被标记的评论确实是原创，只是和学生平时的语气相比显得过于工整，人性化功能可以调整措辞，而不改变对阅读材料的实际观点。这类检查是针对文字可能给人的观感所做的预防，而不是对 Perusall 所衡量内容的回应，因为这个平台本身没有可以回应的 AI 检测层。